مرکز منطقه ای اطلاع رسانی علوم و فناوری فصلنامه مهندسی برق و مهندسی کامپيوتر ايران 16823745 21 1 2023 7 1 Improving Precision of Recommender Systems using Time-, Location- and Context-aware Trust Estimation Based on Clustering and Beta Distribution بهبود دقت سيستم‌‏های پیشنهاددهنده با تخمین اعتماد آگاه از زمان، مکان و زمینه بر اساس خوشه ‏بندی و توزیع بتا 58 66 fa سمانه شیبانی دانشگاه آزاد اسلامی واحد مشهد حسن شاکری دانشگاه آزاد اسلامی واحد مشهد رضا شیبانی دانشگاه آزاد اسلامی واحد مشهد 2022 6 9 Calculation and applying trust among users has become popular in designing recommender systems in recent years. However, most of the trust-based recommender systems use only one factor for estimating the value of trust. In this paper, a multi-factor approach for estimating trust among users of recommender systems is introduced. In the proposed scheme, first, users of the system are clustered based on their similarities in demographics information and history of ratings. To predict the rating of the active user into a specific item, the value of trust between him and the other users in his cluster is calculated considering the factors i.e. time, location, and context of their rating. To this end, we propose an algorithm based on beta distribution. A novel tree-based measure for computing the semantic similarity between the contexts is utilized. Finally, the rating of the active user is predicted using weighted averaging where trust values are considered as weights. The proposed scheme was performed on three datasets, and the obtained results indicated that it outperforms existing methods in terms of accuracy and other efficiency metrics. در دهه‌‏هاي اخير رويكرد محاسبه و اعمال اعتماد بين كاربران در طراحي سيستم‏هاي پيشنهاددهنده مورد توجه محققان قرار گرفته است. با وجود اين، اغلب سيستم‏هاي پيشنهاددهنده مبتني بر اعتماد فقط از يك فاكتور براي تخمين مقدار اعتماد استفاده مي‌‏كنند. در اين مقاله يك رويكرد چندفاكتوري براي تخمين اعتماد بين كاربران سيستم‏هاي پيشنهاددهنده ارائه مي‌‏شود. در طرح پيشنهادي، ابتدا كاربران سيستم براساس شباهت مبتني بر اطلاعات دموگرافيك و تاريخچه ارزشيابي‏ها خوشه‌‏بندي مي‌‏شوند. براي تخمين ارزشيابي كاربر فعال به يك آيتم خاص، مقدار اعتماد بين او و ساير كاربران هم‏خوشه‌‏اش با درنظرگرفتن فاكتورهاي زمان، مكان، و زمينه ارزشيابي محاسبه مي‌‏شود. براي اين منظور، ما الگوريتمي مبتني بر توزيع بتا معرفي مي‏‌كنيم. يك معيار مبتني بر درخت جديد براي محاسبه شباهت معنايي بين زمينه‌‏ها مورد استفاده قرار مي‌‏گيرد. در نهايت،‌ ارزشيابي كاربر فعال با استفاده از ميانگين‌‏گيري وزني تخمين زده مي‌‏شود كه مقادير اعتماد به عنوان وزن در ميانگين‌‏گيري منظور مي‌‏شوند. طرح پيشنهادي بر روي سه مجموعه‌‏داده مطرح اجرا شده و ارزيابي و مقايسه نشان مي‌‏دهد كه اين طرح نتايج بهتري از نظر ملاك‏هاي دقت و كارآمدي نسبت به روش‏هاي موجود ارائه مي‌‏كند. http://ijece.org/fa/Article/Download/38021